[发明专利]柴油机瞬态NOx排放预测方法、系统、存储介质及设备

权利要求书

1.柴油机瞬态NOx排放预测方法，其特征在于：包括以下步骤：

获取柴油发动机冷启动瞬态循环WHTC实验数据，并预处理；

基于优化后的BP神经网络模型对完整的WHTC循环进行NOx排放预测；

其中，BP神经网络模型的优化过程为：

以BP神经网络输入层节点到隐含层节点的权值、隐含层节点的阈值、隐含层节点到输出层节点的权值、以及输出层节点的阈值作为待优化参数；

所有待优化参数组成的种群作为鹈鹕优化算法的输入，每个待优化参数视为种群中的一个成员，以每个候选解情况下，利用BP神经网络模型得到的最低平均绝对误差作为目标函数，最小平均绝对误差对应的种群作为输出，利用该种群中的成员对应的最佳权值和阈值更新BP神经网络模型中对应的参数。

2.如权利要求1所述的柴油机瞬态NOx排放预测方法，其特征在于：所述BP神经网络模型以喷油质量、发动机转速、EGR率、喷油正时、轨压、进气温度、进气压力和排气温度作为输入。

3.如权利要求1所述的柴油机瞬态NOx排放预测方法，其特征在于：BP神经网络模型的优化过程中：

种群成员根据待优化参数的下界和上界随机初始化，如下式所示：

x_i,j＝l_j+rand*(u_j-l_j),i＝1,2,…,N,j＝1,2,…,m；

其中，x_i,j是第j个待优化参数的第i个值，N是种群数量，m是待优化参数的数量，rand是区间[0,1]中的随机数，l_j是第j个参数的下界，u_j是第j个参数的上界；

所有种群用以下矩阵表示：

式中，N个种群组成一个种群矩阵X，X是种群矩阵，每个种群X_i中均有m个种群成员，每个种群成员都代表一个待优化参数。

4.如权利要求1所述的柴油机瞬态NOx排放预测方法，其特征在于：BP神经网络模型的优化过程中：

平均绝对误差如下式所示：

确定每个候选解对应的目标函数值，如下式所示：

式中，n为训练样本总数，为计算出的第i个NOx的预测值，y_i为训练样本中第i个NOx的测量值，F为目标函数值的向量，F_i为第i个候选解对应的目标函数值。

5.如权利要求1所述的柴油机瞬态NOx排放预测方法，其特征在于：BP神经网络模型的优化过程中：

在第j个参数的上下限范围内随机生成一个参数p_j，F_p为使用p_j代替x_i,j后的目标函数值，并在下式中更新x_i,j。

式中，为更新后第j个参数的第i个值；rand是[0,1]范围内的随机数；I为1或2的随机整数。

6.如权利要求1所述的柴油机瞬态NOx排放预测方法，其特征在于：BP神经网络模型的优化过程中：

如果目标函数值在更新后的位置上得到改善，则接受该位置如下式所示：

式中，是种群中第i个成员的新状态，是其目标函数值。

7.如权利要求1所述的柴油机瞬态NOx排放预测方法，其特征在于：BP神经网络模型的优化过程中：

检查每个x_i,j附近的区域，使算法收敛到更好的位置，如下式所示：

式中，为更新后第j个参数的第i个值，t为当前迭代次数；T为最大迭代次数。